1 Anotação de Documentos Elementos, Atributos, Entidades, Comentários, Declarações e Instruções de Processamento FEUP XML 2 Organização de um documento • Documentos XML têm estrutura física e estrutura lógica – estrutura física — entidades (unidades de armazenamento) – estrutura lógica — declarações, comentários, referências, instruções de processamento FEUP XML 3 Estrutura Lógica/Física Document Document Unit Sub-unit elementos entidades processador XML = parser + gestor de entidades FEUP XML 4 Elementos • Um elemento é constituído por uma tag-inicial, um conteúdo (contendo texto e eventualmente outros elementos) e uma tag-final indo eu indo eu a caminho de <name>Viseu</name>, encontrei indo eu indo eu a caminho de *ITAViseu*ROM, encontrei indo eu indo eu a caminho de Viseu, encontrei • Um documento XML constitui uma hierarquia de elementos (possivelmente recursiva): pais, antepassados, filhos, ... • Os elementos possíveis são definidos num DTD Livro Secção Capítulo Secção Secção Capítulo Livro Secção Secção Capítulo Capítulo FEUP XML 5 Declarações • Instruções para o processador de XML – Obrigatória <?XML version="1.0" encoding="UTF-8" standalone="yes" ?> – Opcionalmente <!DOCTYPE Book SYSTEM "http://www.fe.up.pt/jlopes/dtds/Book.dtd" !> – Comentários (não fazem parte do documento) <!-- Início da parte XML do doc --> UTF-8 é uma codificação do Unicode em caracteres de 8-bit : os primeiros 128 são os mesmos que ASCII, os outros são usados para codificar o resto do Unicode em sequências de 2 a 6 bytes. UTF-8 é incompatível com ISO 8859-1 (ISO Latin-1) acima do 126 decimal (fim do ASCII) FEUP XML 6 Estrutura Física de um Documento Entidades FEUP XML 7 Distribuição por Componentes • Um documento XML pode ser distribuído por vários ficheiros – facilita reutilização de componentes intra e inter-documentos – permite a inclusão de dados que não são XML • Cada unidade de informação é uma Entidade – possui um nome (identificador) • A entidade documento (root) – não tem nome – seleccionada ou passada ao parser pelo nome do ficheiro document entity FEUP document entity XML 8 Entidades • São definidas num DTD pelas tags de declaração de entidades <!ENTITY XML "eXtensible Markup Language"> • São inseridas no texto no local de referência O formato &XML; inclui entidades. O formato eXtensible Markup Language inclui entidades. declaração A "A" "A" FEUP XML 9 Entidades Internas (texto) • Para evitar redundâncias • Declaração <!ENTITY size 'mede 6" de comprimento'> • Uso O objecto &size; sempre. FEUP XML 10 Entidades Externas (texto) • Quando o texto vai ser usado em diversos documentos • Quando o texto é demasiado grande para estar dentro da declaração <!ENTITY Chapter2 SYSTEM "/Book/Ents/Chapter2.xml"> • Para agrupar entidades internas – declarações de entidades ISO • ISOnum (<, >, etc), ISOlat1, ISOgrk1, ISOpub (publishing), ISOtech (symbol) • Usar primeiro catálogo local de entidades <!ENTITY Chars PUBLIC "-//Feup//Entity Chars//EN" "/ents/Chars.xml"> FEUP XML 11 Entidades Binárias (externas) • Contendo dados que não são XML – não é verificada pelo parser <!ENTITY jlopes SYSTEM "/fotos/jlopes.tif" NDATA TIFF> – a aplicação processa directamente ou lança outra aplicação • Uso Foto do <pic name="jlopes"/> J.C.Lopes. FEUP XML 12 Outras Entidades • Entidades built-in • Entidades de carácter < < < < > > &: & ' ' " " < • Entidades parâmetro – usadas na construção de DTDs <!ENTITY % Part "emph | supersc" > <!ELEMENT para (% Part ;ript)* > declaração – para agrupar declarações <!ENTITY % ISOnum PUBLIC "ISO 8879:1986//ENTITIES Numeric and Special Graphics//EN" "/ents/isonum.ent"> &ISOnum; referência – isonum.ent <!ENTITY excl "!"> <!ENTITY reg "*REG*"> ... FEUP XML 13 Estrutura Lógica de um Documento DTD FEUP XML 14 DTD • XML possibilita a criação de templates para anotação de documentos permitindo controlar (e validar!) a posição de elementos e seus atributos • DTD é um conjunto (formal) de regras definindo a estrutura do documento – que elementos podem ser usados e qual a sua sequência – especificam portanto a hierarquia e granularidade do documento • A estrutura em árvore do documento tem de estar conforme a estrutura do DTD Livro Capítulo Sections Parágrafo Livro Capítulo + Parágrafo * Sections ? Capítulo Parágrafo Capítulo FEUP Parágrafo XML 15 Componentes de um DTD • Um DTD é composto por várias declarações – – – – ELEMENT (definição de marcas) ATTLIST (definição de atributos) ENTITY (definição de entidades) NOTATION (definição de dados do tipo notation) • As declarações estão agrupadas dentro da declaração DOCTYPE <!DOCTYPE MyBook [ <!-- DTD MyBook --> <! ... > ]> FEUP XML 16 DTD simples <?xml version="1.0" standalone="yes" ?> <!DOCTYPE saudacao [ <!ELEMENT saudacao (#PCDATA) > ]> <saudacao> Bom dia a quem chegou a horas! </saudacao> • Nome do DTD (document type definition) tem que ser o nome do elemento raiz • Maiúsculas e minúsculas são significativas • O tipo do elemento é PCDATA (parsable character data) o que significa texto simples, sem outros elementos, embora substitua referências a entidades • A alternativa são os elementos compostos FEUP XML 17 DTD composto <?xml version=“1.0” standalone=“yes”?> <!DOCTYPE escola [ <!ELEMENT escola (turma, turma)> <!ELEMENT turma (aluno, aluno)> <!ELEMENT aluno (nome, media)> <!ELEMENT nome (#PCDATA)> <!ELEMENT media (#PCDATA)> ]> – Sequência (","): um aluno é definido como a sequência de dois elementos, os filhos nome e média – uma turma é uma sequência de dois alunos FEUP <escola> <turma> <aluno> <nome>Rui Silva</nome> <media>13.6</media> </aluno> <aluno> <nome>João Sousa</nome> <media>11.0</media> </aluno> </turma> <turma> <aluno> <nome>João Sousa</nome> <media>11.0</media> </aluno> <aluno><nome>Ana Costa</nome> <media>17.0</media></aluno> </turma> </escola> XML 18 DTD composto (cont.) – – FEUP <?xml version=“1.0” standalone=“yes”?> <escola> <!DOCTYPE escola [ <turma> <!ELEMENT escola (turma+)> <aluno> <!ELEMENT turma (aluno*)> <nome>Rui Silva</nome> <!ELEMENT aluno (nome, media?, <media>13.6</media> frequencia?)> </aluno> <!ELEMENT nome (#PCDATA)> <aluno> <!ELEMENT media (#PCDATA)> <nome>João Sousa</nome> <!ELEMENT frequencia (diurno | nocturno)> <media>11.0</media> ]> <frequencia>nocturno</frequencia> </aluno> </turma> Escolha ("|") <turma> <aluno> • Um de entre uma lista de valores <nome>João Sousa</nome> </aluno> Cardinalidadade <aluno><nome>Ana Costa</nome> • ("+") escola tem uma ou mais turmas <media>17.0</media></aluno> • ("*") turma tem zero ou mais alunos • ("?") aluno tem um nome e zero ou uma </turma> </escola> media (optativa) e frequencia XML 19 Declaração de Elementos • Usada para definir um novo elemento e especificar o seu conteúdo <!ELEMENT element_name rule> • As regras podem conter – sequências: A, B – escolhas: A|B – indicadores de quantidade: A? A+ A* • Um elemento pode ter filhos, conter texto ou ser vazio <!ELEMENT book (p*, chapter+)+> <!ELEMENT p ANY> <!ELEMENT image EMPTY> <book><p>Há uma imagem neste <image/> ponto do texto.</p></book> – ANY permite a mistura de texto e elementos, o que não é aconselhável, a não ser para documentos muito pouco estruturados – Um elemento vazio não tem conteúdo; pode substituir-se a marca de fecho por "/>" na de abertura – Os parênteses permitem a criação de expressões complexas FEUP XML 20 Declaração de Elementos Mistos • Texto pode ocorrer em sítios com Parsable Character Data – PCDATA tem de ser o primeiro token do grupo, o grupo deve ser uma escolha e tem de ser opcional e repetitivo <!ELEMENT emph (#PCDATA | sub | super)*> <!ELEMENT sub (#PCDATA)> <!ELEMENT super (#PCDATA)> <emph>H<sub>2</sub>O é água</emph> – Só se consegue especificar os elementos admissíveis mas não a sua ocorrência ou ordem – Útil ao começar a anotar um documento legado; no fim, não devem ocorrer situações de mistura FEUP XML 21 DTD externo • Podem ser incluídos DTD externos <!DOCTYPE MyBook SYSTEM "../dtds/MyBook.dtd" [ <!-- subconjunto interno do DTD MyBook --> <! ... > ]> – Podem ser assim partilhados por vários documentos – DTD externo não inclui a declaração de DOCTYPE que fica no doc • No DOCTYPE o atributo SYSTEM dá o URL onde se encontra o DTD • DTD externo público tem, para além do URL, um parâmetro de nome, para facilitar a pesquisa em vários repositórios <!DOCTYPE MyBook PUBLIC "//article//PT" "../dtds/MyBook.dtd" [ – Num documento só existe um DTD • Para combinar vários DTDs num mesmo documento é necessário utilizar entidades externas FEUP XML 22 Processamento de DTDs • Se houver conflito de definições, vence o subconjunto interno • A sua inclusão pode ser controlada pela declaração XML <?xml version="1.0" standalone="yes"> subconjunto interno FEUP <?xml version="1.0" standalone="no"> subconjunto externo XML 23 Entidades paramétricas • As entidades são declaradas no DTD mas são incluídas no documento propriamente dito • Para incluir entidades no DTD é necessário usar o mecanismo da referência a entidades paramétricas <!ENTITY % PCD "(#PCDATA)"> <!ELEMENT ANIMAL %PCD;> <!ELEMENT COMIDA %PCD;> • Modularizar o DTD <!ELEMENT escola (turma+)> <!ELEMENT turma (aluno*)> <!ENTITY % aluno SYSTEM "aluno.dtd"> %aluno; • Constrói-se assim um DTD a partir de vários – Cuidado a ter: não fazer referências circulares nos DTDs – Os documentos importados por entidades externas não podem ter o seu próprio DTD FEUP XML 24 Atributos • Para além do nome, um elemento pode conter outra informação em atributos (meta-informação) <para security="secret" author="jlopes">Este parágrafo é secreto</para> • Num DTD um atributo é associado a um elemento particular e é-lhe atribuído um dado tipo <!ELEMENT para (#PCDATA)> <!ATTLIST para security CDATA author CDATA> • Alguns atributos são reservados – linguagens <para xml:lang="en">Hello</para> <para xml:lang="pt-PT">Olá</para> – espaços <para xml:space="preserve">Hello, Champion!</para> FEUP XML 25 Declaração de Atributos • Usada para associar atributos a um dado elemento <!ATTLIST target_element attr_name attr_type default> • Por exemplo: <!ATTLIST <!ATTLIST <!ATTLIST <!ATTLIST box length CDATA "0"> box width CDATA "0"> frame visible (true | false) "true"> person marital (single | married | divorced | widowed) #IMPLIED> • Os valores por omissão, incluem – – – – qualquer valor permitido pelo tipo: deve ser especificado no elemento: valor não fornecido e opcional: valor fixo: "0" "true" #REQUIRED #IMPLIED #FIXED • Atributos reservados (começados por xml) <!ATTLIST english xml:lang NMTOKEN "en"> FEUP XML 26 Declaração de Atributos • Declarações múltiplas <!ATTLIST book id ID #REQUIRED type (novel | fact) #REQUIRED> <!ATTLIST book width (thick | thin ) "thin" author CDATA #IMPLIED> <book id="X123" type="fact" author="jlopes"> <book id="X127" width="thick" type="novel"> – width por omissão é thin; o autor é optativo FEUP XML 27 Tipo dos Atributos • O tipo do atributo restringe os valores possíveis CDATA enumerated ENTITY ENTITIES FEUP Caracteres que não são markup lista de valores de onde pode ser escolhido um entidade declarada no DTD lista de entidades declaradas no DTD ID identificador (único) de elemento IDREF valor de identificador do tipo ID IDREFS lista de valores de identificadores NMTOKEN XML token NMTOKENS lista de tokens XML NOTATION notação declarada no DTD XML 28 Atributo NMTOKEN • NMTOKEN – Trata-se de um tipo para os atributos que segue as regras dos identificadores e está preparado para ligar a linguagens de programação; não admite espaços – <!ATTLIST address state NMTOKEN #REQUIRED> – NMTOKENS, forma plural FEUP XML 29 Atributo ID • ID – Destina-se a identificar univocamente um elemento no documento, portanto não admite repetições – Constituído por uma palavra a começar por uma letra e sem espaços – Usado por programas que manipulem XML <?xml version=“1.0” standalone=“yes”?> <!DOCTYPE DOCUMENT [ <!ELEMENT DOCUMENT (P*)> <!ELEMENT P (#PCDATA)> <!ATTLIST P PNUMBER ID #REQUIRED> ]> <DOCUMENT> <P PNUMBER="p1">Heróis do mar</P> <P PNUMBER="p2">Heróis do mar</P> </DOCUMENT> FEUP XML 30 Atributo IDREF • IDREF – O valor de um atributo com o tipo IDREF é o ID de outro elemento no documento – Exemplo de estabelecimento de relações familiares <?xml version=“1.0” standalone=“yes”?> <!DOCTYPE DOCUMENT [ <!ELEMENT DOCUMENT (PERSON*)> <!ELEMENT PERSON (#PCDATA)> <!ATTLIST PERSON PNUMBER ID #REQUIRED> <!ATTLIST PERSON FATHER IDREF #IMPLIED> <!ATTLIST PERSON MOTHER IDREF #IMPLIED> ]> <DOCUMENT> <PERSON PNUMBER="a1">Susana</PERSON> <PERSON PNUMBER="a2">Joaquim</PERSON> <PERSON PNUMBER="a3" MOTHER="a1" FATHER="a2">Chico</PERSON> <PERSON PNUMBER="a4" MOTHER="a1" FATHER="a2">David</PERSON> </DOCUMENT> FEUP XML 31 Atributo ENTITY • ENTITY – Destina-se a ligar dados binários externos – O seu valor é uma entidade geral não analisada declarada no DTD, que liga para dados externos, por exemplo uma imagem <!ELEMENT IMAGE EMPTY> <!ATTLIST IMAGE SOURCE ENTITY #REQUIRED> <!ENTITY LOGO SYSTEM "logo.gif"> <DOCUMENT> ... <IMAGE SOURCE="LOGO"/> ... </DOCUMENT> FEUP XML 32 Declaração de Notações • Elementos ou entidades podem conter dados em formatos diferentes de XML • Uma declaração de elemento deve especificar que formatos podem ser embebidos <!NOTATION TeX PUBLIC "-//MyCorp/NOTATION TeX Help File//EN" SYSTEM "/APPS/texview.exe"> • Uma declaração de entidades deve especificar o formato que está embebido <!ENTITY Logo SYSTEM="logo.tex" NDATA TeX> • Também podem ser referidas em declarações de atributos <!NOTATION mpeg SYSTEM "mpegplay.exe"> <!NOTATION jpeg SYSTEM "netscape.exe"> <!NOTATION mov SYSTEM "mplayer.exe"> <!NOTATION avi SYSTEM "mplayer.exe"> <!ATTLIST media player NOTATIONS (mpeg | jpeg | mov) #REQUIRED FEUP XML